基于EBF神经网络和粒子群算法的注射成型优化设计

基于拉丁超立方设计建立了椭球基(EBF)神经网络模型描述注塑工艺参数与翘曲值间的函数关系.将EBF神经网络模型与Kriging模型对比,说明EBF神经网络模型可以准确地描述注塑工艺参数与翘曲值之间的函数关系,并结合多目标粒子群算法对工艺参数进行优化,并与邻域培植遗传算法优化结果对比,说明多目标粒子群算法的优点。结果表明,基于EBF神经网络模型和粒子群优化算法可以使塑料出水管翘曲值减小11.64%,同时使保压时间和冷却时间总和减小了2.13 s,从而在出水管批量生产过程中减少了生产时间。

塑料机油冷却器盖加强筋参数的多目标优化

在塑料机油冷却器加强筋参数优化设计中,为了有效地降低振动噪声及提高罩盖强度,结合流固耦合、响应曲面法(RSM)、带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对塑料机油冷却器盖加强筋参数进行多目标优化.采用流固耦合的方法对原塑料机油冷却器盖的振动噪声水平进行预测,根据预测结果识别出对噪声贡献度较大的耦合模态频率;计算流体压力作用下罩盖的应变能;在罩盖底面布置加强筋,基于最优拉丁超立方设计和响应曲面法(RSM)建立加强筋设计参数与识别出的耦合模态频率、应变能和加强筋体积之间的近似模型;以耦合模态频率、应变能及加强筋体积作为优化目标,应用NSGA-Ⅱ对加强筋设计参数进行优化.结果表明,相对于原塑料机油冷却器盖,总声功率级降低了1.6dB,应变能降低了1 561N·mm.

基于流固耦合与多目标拓扑优化的低噪声塑料机油冷却器盖优化设计

机油冷却器盖属于薄壁件,距离振动激励源较近,容易产生较大的振动噪声,且内腔冷却液的存在对机油冷却器盖的振动噪声有着很大的影响。为有效的对塑料机油冷却器盖的振动噪声进行仿真研究及优化,将流体冲击压力作为预应力的同时,结合塑料机油冷却器盖与内腔流体的流固耦合模型,采用流固耦合的方法对塑料机油冷却器盖的振动噪声水平进行了预测评估;根据预测结果,识别出对噪声贡献度较大的耦合模态频率;以降低塑料机油冷却器盖整体噪声为总目标,并提高各贡献度较大的耦合模态频率为子目标,利用加权指数法建立了多目标优化函数,并对塑料机油冷却器盖结构进行了多目标拓扑优化。结果表明,优化结构设计后降噪效果明显,总声功率级降低了1.79 d B。

某三缸汽油机起动时间和峰值转速多目标优化设计

为提高某3缸汽油机起动工况的快速起动性及满足峰值转速要求,基于最优拉丁超立方设计方法和椭球基神经网络(ellipsoid-based neural network model,EBFNN)模型建立起动油压阈值、起动喷油加浓因子、起动点火提前角偏移及起动平均指示压力偏移等起动控制参数与起动时间、起动峰值转速的关系,并用20组样本数据验证EBFNN模型的准确性;结合带精英策略的非支配排序的遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)对起动时间和起动峰值转速进行优化。优化结果表明:起动时间缩短20.29%;起动峰值转速提高1.93%,大于目标怠速300~500r/min。优化后全碳氢、CO、颗粒数排放增加量少于10%,NOx排放降低3.2%,油耗降低16.60%,能很好地满足开发要求。

某三缸直喷汽油机催化器起燃时间与转速多目标优化设计

为满足某三缸直喷汽油机起燃工况的起燃时间与转速稳定性要求,基于最优拉丁超立方试验设计方法和克里格(Kriging)模型建立起燃目标过量空气系数、喷油相位与比例、点火提前角度、目标转速与油轨压力偏移量等控制参数与起燃时间、起燃转速的关系,并用20组样本数据验证Kriging模型的准确性。结合领域培植遗传算法(Neighborhood Cultivation Genetic Algorithm,NCGA)对起燃转速和起燃时间进行优化。结果表明:优化后的起燃时间缩短9.8%,起燃最大转速偏差和最小转速偏差分别降低45.5%和提高33.3%,转速稳定性提升,起燃转速与起燃时间满足开发要求。